ارزیابی آبشستگی پایه پل ها با استفاده از شبکه عصبی هوشمند

برای طراحی پلها با ضریب اطمینان بالا و بصورت اقتصادی نیاز به براورد دقیق ماکزیمم عمق آبشستگی اطراف پایه ها می باشد برای تعیین عمق آبشستگی اطراف پایه های پل روابط متعددی برمبنای داده های آزمایشگاهی ارایه شده است دراین تحقیق بوسیله شبکه عصبی هوشمند دقت چهاررابطه تجربی تعیین عمق آبشستگی بررسی میگردد داده های مورد استفاده مربوط به پلهای منطقه نیوهمپشایر است همچنین دراین تحقیق ازقابلیتهای هوش مصنوعی دوشبکه عصبی مصنوعی پیشرونده باالگوریتم پس انتشار خطا FFBP و الگوریتم تابع پایع شعاعی RBF جهت پیش بینی عمق آبشستگی اطراف پایه پل ها نیز استفاده شده است درنهایت نتایج تمامی مدلها استخراج و مقایسه میگردد عمق آبشستگی تعادلی به شش پارامتر میانگین قطرذرات ضریب دانه بندی قطرپایه عمق جریان سرعت متوسط جریان و سرعت بحرانی جریان وابسته می باشد ملاحظه گردید مدلهای هوش مصنوعی با داده های با بعد اموزش بهتری داشته اند و نتایج آنالیز حساسیت نشان میدهد که قطرپایه پل حساسیت بیشتری درتخمین عمق آبشستگی نسبت به دیگر پارامترها داشته است براساس نتایج شبکه های RBF بهترین نتایج رادرمرحله آموزش و ارزیابی داشته و همچنین شبکه های هوش مصنوعی درمقایسه با روابط تجربی دقت بیشتری داشته اند هدف اصلی این تحقیق ارزیابی دقت روشهای مبتنی برهوش مصنوعی درمقایسه با روابط تجری درشرایط استفاده ازداده های یکسان برای تمامی مدلها است

کلیدواژه ها:

عمق آبشستگی موضعی ، پایه پل ، داده های صحرایی ، RBF ، FFBP